准备就绪还是尚未准备？尼日利亚医疗队伍对人工智能临床应用的准备度评估
核心概要
这项横断面研究于2025年12月至2026年3月用结构化验证问卷调查了尼日利亚761名多学科、多执业场景的医疗专业人员，发现对医疗AI的总体知晓率高达92.6%，但40.9%自报知识水平低或很低、仅63.0%自感准备充分，同时92.5%愿意接受培训、78.7%支持将AI教育纳入本科课程，主要障碍为缺乏培训（84.7%）、基础设施薄弱（71.1%）、工具成本高（61.0%）、担心岗位被取代（60.6%）、伦理顾虑（52.9%）与数据隐私顾虑（52.7%），且准备度在地缘政治区之间存在显著差异、知晓度与态度在不同专业群体之间存在显著差异。
深度剖析
研究识别出高知晓率与低实际准备度之间的落差：总体知晓率为92.6%，但40.9%报告知识水平低或很低，仅63.0%自感准备充分。 以往关于AI临床采纳的讨论多聚焦技术能力或高收入国家场景，本研究把测量对象放在低中收入国家（LMICs）的医疗队伍自身，用同一批受访者同时刻画知晓、知识、准备度与态度。 基于761名医疗专业人员的横断面调查，使用结构化、经验证的问卷，数据采集时间为2025年12月至2026年3月，样本覆盖多个学科与执业场景。
采纳意愿与培训需求很高：92.5%表示有兴趣接受培训，78.7%支持把AI教育纳入本科课程。 这提示障碍并非主要来自意愿层面的抵触，而是把意愿转化为能力的条件性缺口，为培训与课程设计提供了可操作的着力点。 来自同一问卷的自报比例数据，属于描述性统计，反映受访者主观意愿而非实际行为。
研究列出六类主要障碍：缺乏培训（84.7%）、基础设施薄弱（71.1%）、AI工具成本高（61.0%）、担心岗位被取代（60.6%）、伦理顾虑（52.9%）、数据隐私顾虑（52.7%）。 把资源受限环境中的采纳障碍从笼统的“能力不足”细化为培训、基础设施、成本、职业安全、伦理与隐私等可分别施策的维度。 障碍项为受访者自报的百分比，反映感知层面的障碍分布，而非经外部核验的客观缺口。
准备度、知晓度与态度在群体间存在统计显著差异：准备度按地缘政治区不同（卡方(5)=24.28，p<0.001），知晓度按专业群体不同（卡方(6)=68.38，p<0.001），态度按专业群体不同（F=3.32，p=0.003），且自感准备充分者态度更积极（均值3.74）高于未准备充分者（均值3.46）。 把“医疗队伍”作为一个同质整体来讨论的做法被细化，显示区域与专业维度上的差异值得在实施框架中分别考虑。 差异检验给出了卡方与F统计量及p值，属于组间关联性证据；态度比较基于自感准备度的分组，为横断面关联而非因果。
启示与展望
该研究界定了自身适用范围：面向尼日利亚多学科、多执业场景的医疗专业人员，时间窗口为2025年12月至2026年3月，关注的是AI临床采纳前的队伍准备度画像。它可为培训项目设计、本科课程纳入AI教育、基础设施与成本相关投入的优先级排序，以及按地缘政治区和专业群体差异化推进的实施框架提供依据；对同样面临培训与基础设施缺口的其他低中收入国家卫生体系，其障碍维度具有参照意义。
读者仍会关注若干开放问题：自报知识与自感准备度同客观能力测评之间的关系如何；知晓度、态度与准备度之间的关联方向在纵向设计中是否稳定；地缘政治区与专业群体差异背后的具体机制是什么；以及本次加载文本为摘要与元数据层面的内容，未包含问卷条目、抽样细节与图表，因此对测量方式与区域分布细节的概括以摘要所述为限。